83% dos trabalhadores que adotaram IA dizem que o trabalho aumentou.
Não diminuiu. Aumentou.
Esse é o resultado central de um estudo publicado na Harvard Business Review em fevereiro de 2026, conduzido pelas pesquisadoras Aruna Ranganathan (UC-Berkeley) e Xingqi Maggie Ye (Yale), que acompanharam 200 trabalhadores de uma empresa americana de tecnologia por oito meses. O estudo foi feito dentro da empresa, com acesso ao trabalho real — não a uma pesquisa de autopercepção respondida numa tarde de sexta.
O fenômeno que elas documentaram tem um nome: workload creep. À medida que as tarefas ficaram mais rápidas com o auxílio da IA, a expectativa de volume aumentou na mesma proporção. O tempo economizado num entregável virou o tempo esperado para entregar dois. As jornadas de 12 horas não são exceção no grupo estudado. São o padrão.
E o burnout não é de quem resistiu à ferramenta.
62% dos associates — o nível de execução da empresa estudada, equivalente ao que em português chamaríamos de colaboradores ou analistas — reportaram burnout. No C-suite, o índice foi de 38%. A sobrecarga recaiu sobre quem executou a promessa de eficiência, não sobre quem a anunciou.
O argumento que sustentou a adoção
Durante anos, a narrativa de adoção de IA no trabalho foi construída sobre um argumento de alívio: a IA vai tirar de você o que é mecânico e repetitivo. Vai liberar espaço para o trabalho que só humano faz — o que exige julgamento, relação, criatividade, leitura de contexto.
É um argumento razoável. O problema é que ele assume que a organização vai deixar esse espaço ser ocupado por trabalho de maior qualidade — e não simplesmente preencher o espaço com mais volume.
O que as organizações fizeram, em boa parte dos casos documentados pela pesquisa, foi o segundo. O ganho de velocidade não criou folga. Criou espaço para mais demanda. E as pessoas que sabiam usar a ferramenta, que entregavam mais e mais rápido, foram as primeiras a sentir o peso disso.
Quem abraçou a IA primeiro é quem está mais sobrecarregado agora.
Outra face da mesma moeda
Há um segundo mecanismo de intensificação que a pesquisa documenta e que raramente aparece nas discussões de adoção: a camada adicional de verificação que o trabalho gerado com IA exige.
Quando a IA produz um rascunho, uma análise ou uma síntese, alguém precisa checar. Avaliar a qualidade. Corrigir o que ficou impreciso. Completar o que ficou incompleto. Essa camada não desaparece — ela apenas muda de natureza. Em vez de produzir do zero, o profissional passa a ser o curador e verificador do que a máquina produziu.
O problema é que essa carga de verificação raramente é contabilizada. O dashboard de produtividade registra que o entregável foi produzido mais rápido. Não registra o tempo gasto checando se o entregável estava certo antes de sair. E quando esse tempo não é visível, ele não entra no planejamento — e o profissional absorve o custo sozinho.
Não por acaso, Oliver Burkeman descreve exatamente esse mecanismo no livro Quatro Mil Semanas — o que no curso Produtividade Positiva da Descola chamamos de Armadilha da Eficiência: ao responder e-mails mais rápido, você não ganha alívio, ganha mais e-mails. Ao produzir entregáveis mais rápido com IA, você não ganha folga — ganha expectativa de mais entregáveis, e uma lista de verificações que não estava no escopo original. A eficiência não libera tempo. Ela só abre espaço para novas ocupações.
O problema não é a ferramenta
Antes que esse dado vire argumento para desacelerar adoção de IA, vale nomear o que a pesquisa de fato diz.
O problema não é a IA. É o design de como a IA entrou no trabalho — e a ausência de normas explícitas sobre o que muda quando a ferramenta está disponível.
Ranganathan e Ye propõem o conceito de "AI practice": um conjunto de normas e rotinas intencionais que definem como a IA é usada, quando é apropriado parar, e como o trabalho não deve se expandir automaticamente em resposta à nova capacidade.
A ausência desse acordo é o que transforma ganho de eficiência em intensificação de carga. A ferramenta entregou o que prometeu. A organização não entregou o que ficou implícito na promessa.
O que o nosso Relatório de Tendências já dizia
No Relatório Power Skills Descola 2026, dois dos cinco blocos de competências tocam diretamente no que a HBR está documentando.
O primeiro é a Resiliência Cognitiva e Gestão da Atenção. No relatório, descrevemos como o ambiente hiperconectado e a aceleração tecnológica criam uma pressão crescente sobre a capacidade cognitiva das pessoas — e como as organizações que ignoram esse custo enquanto otimizam processos estão construindo produtividade sobre uma base que vai ceder. O workload creep é exatamente esse mecanismo em ação: a IA ampliou a capacidade de entrega, a organização capitalizou essa ampliação em mais volume, e o sistema humano que sustenta tudo isso não foi considerado parte da equação.
O segundo é a Liderança Dual. Descrevemos esse atributo como a capacidade de equilibrar resultados de curto prazo com sustentabilidade de longo prazo — de não escolher entre performar hoje e preservar a capacidade de performar amanhã. Um líder dual teria percebido, antes que o burnout chegasse, que a eficiência ganha pela IA estava sendo reinvestida em sobrecarga, não em folga estratégica. Teria feito a pergunta que os números de produtividade não fazem: a que custo?
Há ainda uma conexão com o Relatório de Tendências 2025, onde identificamos a Saúde Integral como competência emergente — não saúde como benefício de RH, mas como condição operacional do profissional de alta performance. A pesquisa da HBR documenta o que acontece quando essa condição é ignorada: o profissional que mais entrega se torna, sistemicamente, o mais vulnerável. E quando ele vai embora por exaustão, a organização se surpreende — porque os dashboards de produtividade nunca mediram o custo que estava sendo acumulado.
A dissonância que o dado revela
Há outro dado que vale cruzar com o da HBR. A mesma pesquisa mostra uma assimetria de percepção: no C-suite, o índice de burnout é de 38%. Entre os colaboradores de execução, é de 62%.
Essa diferença não é acidental. É estrutural.
Quem anuncia a adoção de IA é quem sente menos a sobrecarga de executá-la. Quem executa, e executa bem, absorve o custo que a eficiência cria para a organização — sem que isso apareça como custo em nenhum dashboard de produtividade.
Produtividade medida por volume de entrega é exatamente o tipo de métrica que ignora esse custo. Ela conta o que saiu. Não conta o que foi gasto para que saísse. E quando o profissional mais produtivo pede demissão por exaustão, a organização frequentemente se surpreende — porque os indicadores todos estavam verdes.
Isso é a crítica mais concreta possível à métrica tradicional de pessoas: ela mede o que é visível e ignora o que é decisivo.
Nossa leitura
O workload creep não é um efeito colateral da IA. É o sintoma de organizações que adotaram IA como ferramenta de processo sem desenvolver as competências humanas que sustentam saúde cognitiva.
A pergunta que o C-suite deveria ter feito antes — e ainda precisa fazer — não é "como aumentar a adoção de IA?" É: "o que muda na gestão de pessoas quando a capacidade de entrega aumenta, mas o sistema humano que entrega permanece o mesmo?"
Enquanto essa pergunta não estiver na agenda de gestão, a IA vai continuar produzindo o efeito oposto ao que prometeu: mais eficiência para a organização, mais sobrecarga para as pessoas que a executam.
É por isso que, partindo agora para um ponto de vista mais individualizado, a habilidade mais crítica nesse momento não é técnica. É a capacidade de perceber quando o "posso fazer mais" virou "preciso fazer mais" sem que ninguém tenha acordado isso — e ter o repertório de autoliderança para nomear isso antes que o dano seja feito. Isso é Resiliência Cognitiva. E não está em nenhum curso de prompt.
Os programas de capacitação em IA que ensinam como usar a ferramenta, mas não ensinam como regular a própria carga quando a capacidade de entrega aumenta, estão formando profissionais mais rápidos para um sistema que vai esgotá-los mais depressa. A Armadilha da Eficiência não foi inventada pela IA — mas a IA a tornou mais difícil de escapar.
Fonte: Harvard Business Review · "AI Doesn't Reduce Work—It Intensifies It" · Aruna Ranganathan e Xingqi Maggie Ye · fevereiro/2026 Estudo longitudinal com 200 trabalhadores, conduzido ao longo de 8 meses em empresa americana de tecnologia Referência interna: Relatório de Tendências Descola 2026 — "Resiliência Cognitiva e Gestão da Atenção" e "Liderança Ambidestra" | Relatório de Tendências Descola 2025 — "Saúde Integral" | Curso Descola — Produtividade Positiva (Armadilha da Eficiência, Oliver Burkeman)